Gemini 3 est là. Dans son message d’introduction, Sundar Pichai souligne l’accélération de l’adoption : « L’application Gemini dépasse les 650 millions d’utilisateurs mensuels […] et plus de 70 % de nos clients Cloud utilisent notre IA », écrit-il sur le blog officiel.
Deux ans après le début de « l’ère Gemini », Google revendique 2 milliards d’utilisateurs mensuels pour AI Overviews dans la recherche. Une base installée massive, qui sert autant d’argument marketing que de levier pour pousser la nouvelle génération de modèles.
Une montée en puissance organisée : de Gemini 1 à Gemini 3
Sundar Pichai déroule aussi un récit très linéaire de la progression technologique. Gemini 1 a posé la multimodalité native et la longue fenêtre de contexte, Gemini 2 a ajouté le raisonnement et les premières capacités agentiques, Gemini 3 est censé agréger le tout. Sur le blog, le modèle est décrit comme « conçu pour saisir la profondeur et la nuance […] afin d’obtenir ce dont vous avez besoin avec moins de prompting ». En creux, Google promet une IA qui comprend mieux les demandes et fatigue moins l’utilisateur.
Demis Hassabis, patron de Google DeepMind, pousse le curseur encore un cran plus loin : « Aujourd’hui, nous franchissons une nouvelle étape importante sur la voie de l’IAG en lançant Gemini 3 ». Le message est clair : ce modèle n’est plus seulement un moteur de génération, mais un candidat au rôle de partenaire de travail, capable d’analyser, de planifier et d’exécuter des tâches complexes. Reste à voir, côté terrain, jusqu’où cette promesse se vérifie.
Performance : un storytelling ambitieux, à confronter au réel
Sur le volet technique, Google met en avant des résultats en progression sur plusieurs évaluations de référence. Gemini 3 Pro dépasse notamment le modèle 2.5 Pro sur des tests de raisonnement, de mathématiques avancées ou de compréhension multimodale, ainsi que sur des benchmarks récents liés à l’analyse vidéo ou à l’exactitude factuelle. L’éditeur souligne régulièrement ces gains de performance, sans que cela ne préjuge de la manière dont le modèle se comportera sur des données internes ou dans des environnements de production.
Antigravity : le nouveau centre de gravité du développement agentique
Dans ce paysage, Antigravity est sans doute la nouveauté la plus structurante pour les équipes de développement. La plateforme promet des agents capables de planifier, coder, modifier et valider des tâches complètes dans un même environnement. Sur le blog, Google parle d’un changement de paradigme : « l’assistance par IA n’est plus un simple outil, mais un partenaire actif ». L’image est parlante : l’IA n’est plus cantonnée à la complétion de quelques lignes de code, elle prend pied dans l’environnement de développement..
Concrètement, les agents disposent d’un accès direct à l’éditeur, au terminal et au navigateur, et peuvent enchaîner plusieurs étapes de développement de manière autonome. Pour les entreprises, le mouvement ouvre des perspectives en termes de productivité, d’automatisation et de réduction des tâches répétitives. Pour les entreprises, cette montée en autonomie des agents soulève inévitablement des questions de supervision, de traçabilité et de conformité — des sujets absents du communiqué, mais centraux dès lors que ces outils interviennent dans des environnements de production.
Sécurité et conformité : des promesses fortes, un terrain exigeant
Sans surprise, Google insiste sur la dimension sécurité. « Gemini 3 est notre modèle le plus sécurisé à ce jour », peut-on lire sur le blog. L’entreprise promet une baisse de la complaisance, une meilleure résistance aux prompt injections et des protections renforcées contre les détournements à visée cyber. Elle met en avant une « série d’évaluations de sécurité la plus complète » menée en interne, complétée par des audits externes et des tests réalisés avec l’AI Safety Institute britannique.
Ces garanties devront être éprouvées en environnement de production, avec des données sensibles et des contraintes réglementaires bien réelles. L’AI Act européen, en particulier, impose une gouvernance plus serrée, des capacités d’audit et un contrôle plus fin des comportements des modèles. Autant de points sur lesquels les entreprises auront besoin d’éléments tangibles, au-delà du récit du blog.
Deep Think et la suite de la roadmap
Dans l’ombre de Gemini 3 Pro, Google introduit aussi Gemini 3 Deep Think, une variante pensée pour le raisonnement long et les problèmes plus complexes. Pour l’instant, ce mode reste cantonné aux tests de sécurité, avec une ouverture annoncée aux abonnés Google AI Ultra dans un second temps. Le blog parle d’« une avancée majeure dans les capacités de raisonnement », avec des scores supérieurs à ceux des versions Pro sur plusieurs benchmarks de référence.
La suite est déjà balisée : d’autres modèles de la série Gemini 3 doivent arriver dans les prochains mois.
